Você precisa ser um cientista de dados para usar o Machine Learning?

O crescimento da analítica aperfeiçoada e do Machine Learning na produção industrial abriu o caminho para um novo cientista de dados na fábrica. Com o número cada vez maior de dispositivos conectados e tecnologias fáceis de usar, mais profissionais estão aptos a utilizar esses dados para tomar decisões informadas. Mesmo assim, esse aumento da tomada de decisões orientada por analítica deixa dúvidas: você precisa ser um cientista de dados para aproveitar o poder da analítica aperfeiçoada e do Machine Learning?

A resposta? Não, e o motivo é apresentado a seguir.

A mudança para a Indústria 4.0

A fábrica inteligente não é mais uma coisa do futuro. Para muitos fabricantes, ela agora é a realidade. Os dados são uma vantagem competitiva para os fabricantes que querem aumentar a produtividade, a sustentabilidade e a OEE geral. Além de ter aumentado o volume de dados acessíveis na fábrica para análise, a Indústria 4.0 também aumentou a capacidade de analisar conjuntos de dados grandes e complexos, também conhecidos como Big Data. 

De aplicativos alimentados por IA com analítica preditiva e prescritiva ao software de visualização de dados fácil de usar, a análise e a otimização dos processos de produção não é mais exclusivamente a função dos cientistas de dados. Os gerentes de fábrica têm dados ativos de produção à sua disposição para tomar decisões em tempo real. Os engenheiros de processos podem analisar a produtividade com base nos dados históricos e de Edge, quer estejam no chão de fábrica ou na sede. Com essa mudança, foi criada uma nova espécie de analistas: o cidadão cientista de dados.

Qual a diferença entre um cientista de dados e um cidadão cientista de dados?

A função de um cientista de dados é modelar dados de produção o que, por necessidade, requer que ele também crie os processos e a infraestrutura para coletar esses dados, com base no fluxo de trabalho e nos objetivos de negócios exclusivos de uma organização. Um cientista de dados é um especialista em análise de dados que tem talento para resolver problemas de dados complexos, mas pode estar desconectado do processo diário de produção. 

Um cidadão cientista de dados é uma função mais recente em produção industrial e um termo criado pela Gartner. Orientada pela mudança para Indústria 4.0, a função do cidadão cientista de dados surgiu da chegada de dados mais rastreados e acessíveis e do uso de analítica preditiva e prescritiva. Mas o que é um cidadão cientista de dados? É uma pessoa que realiza análise de diagnóstico moderada e avançada, criando ou gerando modelos e analisando esses dados. A diferença entre as duas funções é que a principal responsabilidade (e, geralmente, o treinamento) de um cidadão cientistas de dados é fora da área de estatística e analítica.

Um cidadão cientista de dados se torna um superusuário das ferramentas avançadas de analítica com o passar do tempo, geralmente por meio do treinamento prático e é auxiliado pela tecnologia fácil de usar. Um dos principais valores de um cidadão cientista de dados é sua capacidade de avaliar essas ferramentas de analítica aperfeiçoada tendo em mente o contexto do que acontece na fábrica. 

Na produção industrial, muitas vezes, um cidadão cientista de dados trabalha em conjunto com os cientistas de dados para resolver desafios de OEE. As duas funções se complementam: geralmente, um cientista de dados tem experiência avançada em ciência de dados e o cidadão cientista de dados traz suas próprias especializações e conhecimentos contextuais.

Cidadãos cientistas de dados na produção industrial

Geralmente, o cidadão cientista de dados em um ambiente de produção industrial ocupa um cargo de engenharia. Os engenheiros químicos, de qualidade, processos ou manutenção estão utilizando conjuntos de habilidades semelhantes aos dos cientistas de dados para gerar melhorias contínuas em sua especialização. Eles também podem ocupar uma função de analista ou gestão empresarial.

Entre outras iniciativas, os engenheiros de qualidade utilizam aplicativos de Machine Learning para identificar mercadorias e produtos defeituosos com rapidez, precisão e antecipadamente para reduzir desperdícios e descobrir a causa raiz. 

Os engenheiros de processos utilizam aplicativos de Machine Learning para revelar gargalos ocultos que afetam a OEE. Com essa descoberta, eles podem contar com sua perspicácia operacional e, possivelmente, com um gêmeo digital do processo de produção em tempo real para testar e criar uma solução.  

Os engenheiros de manutenção podem usar aplicativos de Machine Learning para planejar programações de manutenção perfeitamente cronometradas (ou seja, manutenção preditiva ou preventiva), reduzindo o tempo de inatividade inesperado (e caro).

É possível criar muitos gráficos com diferentes formas de manipular os dados. Também existe um algoritmo para identificar parâmetros influentes muito rapidamente, sem que você precise ser um especialista em análise de dados. Há formas diferentes de levantar dados e tendências com cartões SPC e outros gráficos.

— Um diretor de análise de dados do setor de produção industrial

Permitindo a tomada de decisões concentrada em dados

Já que os dados são a vantagem competitiva da produção industrial, as organizações devem começar a criar uma cultura de tomada de decisões concentrada nos dados. Nem sempre é necessário ter um cientista de dados para utilizar o poder do Machine Learning e gerar melhorias contínuas mais rápidas. Permita que todos os funcionários inovem mais rapidamente, oferecendo a eles as ferramentas para analisar seus dados de produção por meio de aplicativos de Machine Learning fáceis de usar e da plataforma de IIoT.